Как рекрутер Татьяна Кутепова использует ИИ в найме и что советует соискателям

Когда соискатели слышат, что рекрутеры используют искусственный интеллект, они часто представляют приблизительно следующее: алгоритм открывает резюме, сверяет его с непонятным набором критериев и отправляет отказ ещё до того, как кандидат попал в поле зрения рекрутера. Из-за этого они начинают колдовать над резюме: добавлять ключевые слова, сглаживать формулировки и всячески адаптировать текст, чтобы он непременно понравился ИИ. И тем самым, к сожалению, нередко его портят.

Татьяна Кутепова — HR-эксперт, специалист по подбору руководителей и ИТ-специалистов, карьерный консультант. Она рассказала, как устроен найм в её практике, где в этом процессе есть место ИИ, а где его сознательно нет. И какие ошибки она видит в резюме, разбирая отклики вручную.

Где в моей работе есть ИИ

Я работаю в основном с вакансиями руководителей и редких специалистов и окончательные решения о кандидатах принимаю я сама.

Чтобы найти таких специалистов, часть вакансий я закрываю через точечный подбор — публикую их в профильных каналах и социальных сетях, например в Сетке. Кандидаты пишут мне напрямую в личные сообщения или на почту. Такой подход помогает ограничить количество нерелевантных откликов, поэтому я могу лично просматривать все резюме и отвечать кандидатам в течение трех дней.

При этом я использую ИИ на других этапах работы — там, где он экономит время, но не подменяет профессиональное суждение:

• Во время поиска. Нейросеть помогает составлять и расширять запросы для холодного поиска кандидатов. Например, если нужен iOS-разработчик с опытом SwiftUI, она может подсказать смежные навыки и профили, по которым тоже стоит искать, а затем собрать из них Boolean-запрос. Так поиск не ограничивается только очевидными ключевыми словами, а в воронку могут попасть подходящие кандидаты с близким опытом
• При составлении текстов вакансий. Я не прошу ИИ написать вакансию с нуля. Сначала сама собираю фактуру и контекст у заказчика, а затем использую нейросеть, чтобы улучшить структуру и формулировки
• Для подготовки мини-кейсов к собеседованиям. Я могу загрузить в нейросеть контекст актуальной задачи компании и попросить предложить основу кейса под конкретную роль. Но окончательно формулирую задачу и оцениваю ответ сама
• Для расшифровки интервью. ИИ-бот расшифровывает встречи, поэтому мне не приходится судорожно вести конспект и я могу полностью сосредоточиться на кандидате

Почему я разбираю отклики сама

Первая причина — специфика ролей. У кандидатов на роли руководителей и в редких нишах ценность не в наборе ключевых слов, а в контексте бизнеса, масштабе решений и неявных достижениях, которые алгоритм может не считать и забраковать за «несовпадение ключей».

Вторая причина — качество каналов. На C-level бессмысленно включать ИИ-фильтрацию в потоке с массовых платформ: проще изначально выстроить точечный сорсинг или собрать кандидатов из собственной базы — людей, которые уже проверены и, возможно, прямо сейчас находятся в поиске.

Автоматические ИИ-фильтры оправданы в массовом подборе, где профили кандидатов типовые, а отклики идут на тысячи. Но там, где важен точечный подбор и деликатная оценка, человеческий глаз и понимание бизнеса пока не заменить.

Что я советую не делать соискателю как рекрутер

Именно потому, что я читаю каждое резюме сама, я хорошо вижу, как они устроены. По моим наблюдениям, больше половины резюме и сопроводительных писем, которые я получаю, полностью или частично подготовлены с помощью нейросетей.

Этот факт не влияет на моё отношение к кандидату. Ведь не все умеют ясно описывать свой опыт: кто-то слишком скромен, а кто-то теряется в самопрезентации. С помощью ИИ действительно можно собрать каркас и сделать текст понятнее. Проблема возникает, когда человек использует инструмент, но не пропускает результат через себя.

Вот четыре способа, как испортить резюме — и как их избежать.

1. Выдумать цифры. Если попросить нейросеть «усилить достижения», в резюме легко появляются эффектные «+300% к конверсии», которых в реальности не было. На интервью такие показатели распадаются после пары уточняющих вопросов.

Проверьте каждую цифру и будьте готовы объяснить, как она получена и в чём состоял ваш вклад.

2. Перегрузить текст ключевыми словами. Попытка вставить в резюме все формулировки из вакансии превращает его в бессвязное облако тегов. Не надо так.

3. Заменить опыт шаблонным списком обязанностей. Если поручить нейросети описать несколько мест работы без фактуры, она может выдать почти одинаковые блоки. В результате пропадает главное: чем отличались задачи, масштаб ответственности и результат на каждом этапе.

Верните в текст контекст: чем отличались проекты и решения, почему результат был важен для бизнеса.

4. Довести текст до стерильности. Гладкие и ровные формулировки без характера, примеров и контекста не дают понять, как человек мыслит и что именно умеет делать.